面向?qū)徲?jì)領(lǐng)域的聚類(lèi)離群點(diǎn)檢測(cè)研究.pdf

1、離群點(diǎn)檢測(cè)又稱(chēng)小事件檢測(cè)、偏差檢測(cè)等。在某些應(yīng)用中,那些小概率發(fā)生的事件往往比經(jīng)常發(fā)生的事件更有趣、更有研究?jī)r(jià)值。聚類(lèi)算法實(shí)質(zhì)是將數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行分組,使得同一組內(nèi)的數(shù)據(jù)盡可能相似而不同組內(nèi)的數(shù)據(jù)盡可能不同。以往的有些聚類(lèi)算法,只是將離群點(diǎn)檢測(cè)作為聚類(lèi)過(guò)程的副產(chǎn)品,使一些重要信息丟失;而在離群點(diǎn)挖掘時(shí),只注重離群點(diǎn)檢測(cè),不關(guān)注數(shù)據(jù)的分布情況,使得離群點(diǎn)分析難度加大,甚至使一些離群點(diǎn)失去了其實(shí)際的應(yīng)用價(jià)值。如將離群點(diǎn)挖掘與聚類(lèi)分析算法有

2、機(jī)的結(jié)合,可以更準(zhǔn)確的了解數(shù)據(jù)分布情況。
　　 審計(jì)方法的好壞直接影響著審計(jì)結(jié)果的質(zhì)量,動(dòng)態(tài)監(jiān)測(cè)指標(biāo)直接影響著審計(jì)的時(shí)效。傳統(tǒng)的審計(jì)方法往往是由審計(jì)專(zhuān)家的經(jīng)驗(yàn)和政策法規(guī)構(gòu)建的,這存在著多處不足。利用數(shù)據(jù)挖掘技術(shù)在海量的審計(jì)數(shù)據(jù)中挖出對(duì)構(gòu)建審計(jì)方法和提煉動(dòng)態(tài)監(jiān)測(cè)指標(biāo)提供決策依據(jù)的數(shù)據(jù),此項(xiàng)工作具有理論和實(shí)際意義。
　　 本文提出DBSCAN_LOF算法,將DBSCAN的核心對(duì)象判定融合到LOF算法中,并重新定義核心對(duì)象、增

3、加了k-鄰域半徑的概念。該算法不但以k-近鄰這個(gè)概念將聚類(lèi)算法和離群點(diǎn)算法有機(jī)的結(jié)合起來(lái),還打破了傳統(tǒng)基于聚類(lèi)的離群點(diǎn)檢測(cè)算法離群點(diǎn)檢測(cè)結(jié)果受聚類(lèi)結(jié)果的影響、降低了DBSCAN對(duì)參數(shù)的敏感性及數(shù)據(jù)空間分布不均勻?qū)垲?lèi)結(jié)果的影響,并且可以在快速聚類(lèi)的同時(shí)檢測(cè)離群點(diǎn)。
　　 通過(guò)多種數(shù)據(jù)集,比較DBSCAN_LOF算法與原有一些算法在聚類(lèi)效果和時(shí)效上的差異。然后以社會(huì)保障審計(jì)數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù),對(duì)審計(jì)數(shù)據(jù)中復(fù)合數(shù)據(jù)類(lèi)型數(shù)據(jù)、不同意義的